【正文】 if (() == ) { picstr = 。 2020屆電子信息工程 專業(yè) 畢業(yè)設(shè)計 （ 論文 ） 29 = 位圖文件 (*.bmp)|*.bmp|JPEG文件 (*.jpg)|*.jpg|All files (*.*)|*.*。 文件操作模塊的功能結(jié)構(gòu)圖如圖 所示 。 文件操作模塊 文件操作模塊是整個系統(tǒng)中最基本的組成成分。工具欄中包括 了圖像文件的 打開、 關(guān)閉、另 存 及還原、顯 示圖像文件的灰度直方圖等操作 。 界面設(shè)計 主界面設(shè)計 考慮到圖像處理 一次針對某一幅圖像，故系統(tǒng)采用單文檔界面，界面簡潔，功能一目了然，如圖 所示： 圖 系統(tǒng)主界面 菜單設(shè)計 主菜單如圖 所示，包括文件、 灰度變換 、 幾何變換 、 特效顯示 、 圖像平滑 、 邊緣檢測 、幫助 等 菜單項。以運行庫為目標的代碼稱為托管代碼，而不以運行庫為目標的代碼稱為非托管代碼。您可以將運行庫看作一個在執(zhí)行時管理代碼的代理，它提供內(nèi)存管理、線程管理和遠程處理等核心服務(wù)，并且還強制實施嚴格的類型安全以及可提高安全性和可靠性的其他形式的代碼準確性?？梢暬拈_發(fā)環(huán)境如圖 所示： 圖 Visual Studio 2020 開發(fā)環(huán)境 2).NET Framework 概述 2020屆電子信息工程 專業(yè) 畢業(yè)設(shè)計 （ 論文 ） 25 .NET Framework 具有兩個主要組件：公共語言運 行庫和 .NET Framework 類庫。 Visual Studio 2020 及 .NET Framework 1)Visual Studio 2020 Visual Studio 無疑是現(xiàn)今的開發(fā)工具界最具影響力的集成開發(fā)環(huán)境。 Color 類 代表顏色 ， 當類和方法要作用于顏色的時候 ，它們作用于 Color 結(jié)構(gòu)的一個實例 。 2)Color 類： .NET 框架中的顏色基于 4種成份 ： 透明度 、 紅 、 綠和藍 。 使用 對象首先要進行聲明 ，聲明方法如下 ： 類名 變量名； 創(chuàng)建對象的一般格式如下： 變量名 =new 構(gòu)造方法（參數(shù)）； 聲明和創(chuàng)建可以合寫成一句： 類名 變量名 =new 構(gòu)造方法（參數(shù)）； 本軟件中常用到的類有： 1)Bitmap 類 張洪銘：基于 C的數(shù)字圖像處理系統(tǒng)的開發(fā) 24 Bitmap 類封裝 了 GDI+位圖，此位圖由圖形圖像及其屬性的像素數(shù)據(jù)組成，Bitmap 是用于處理由像素數(shù)據(jù)定義的圖像的對象， Bitmap 對象封裝了 GDI+中的一個位圖，此位圖由圖形圖像及其屬性的像素數(shù)據(jù)組成 。 當創(chuàng)建一個新的對象時，系統(tǒng)會自動調(diào)用該類的構(gòu)造函數(shù)；如果沒有創(chuàng)建構(gòu)造函數(shù)，系統(tǒng)會產(chǎn)生一個默認的構(gòu)造方法，不帶參數(shù)而且方法體為空。類支持繼承機制，通過繼承，派生類可以擴展基類的數(shù)據(jù)成員和方法，進而達到代碼重用和設(shè)計重用的目的。 類的概念 類是面向?qū)ο缶幊痰幕締挝唬且环N包含數(shù)據(jù)成員、函數(shù)成員和嵌套類型的數(shù)據(jù)結(jié)構(gòu)。 它對于圖像處理也提供了強大的功能支持，與傳統(tǒng)的應(yīng)用程序相比，它采用更強的圖形設(shè)備接口GDI+， GDI+除了支持 BMP 等 GDI 支持的圖形格式外，還支持 JPEG、 GIF、PNG、 TIFF 等圖像格式，可以直接在 程序中使用這些圖片文件，而無需考慮它們所用壓縮算法。從語法形式和易用性 來講， C語言幾乎綜合了目前2020屆電子信息工程 專業(yè) 畢業(yè)設(shè)計 （ 論文 ） 23 流行的所有高級語言的優(yōu)點，提供了一種語法優(yōu)雅、功能完善而又容易使用的外在表現(xiàn)形式。從開發(fā)效率來講， C語言為應(yīng)用程序開發(fā)人員提供了快速的開發(fā)手段，但又不犧牲 C++語言的特點和優(yōu)點。 系統(tǒng)處理流程 設(shè)計 通過對 所要完成的任務(wù)的 分析， 軟件系統(tǒng) 的基本功 能已經(jīng)確定 ， 整個系統(tǒng) 在一次圖像處理過程中的流程圖 ，如圖 所示 。 6)圖像平滑模塊： 在空間域?qū)崿F(xiàn)圖像的增強，包括了 加權(quán) 算術(shù) 均值濾波、中值濾波、最大值濾波、最小值濾波等，并且對比各種處理方式在去噪時的效果。 4)特效顯示模塊： 實現(xiàn)底片效果、浮雕效果、百葉窗效果。 3)幾何變換 模塊： 實現(xiàn) 平移變換、縮小變 換、旋轉(zhuǎn)變換、鏡像變換。 6)軟件界面需求 ：界面 美觀， 能直觀地顯示處理效果，常用操作使用工具欄實現(xiàn) 。 4)可用性 需求：系統(tǒng)使用方便，可交互性強，有比較詳 細的使用說明文檔。 2)性能需求 ：可以在比較短的時間內(nèi)完成相關(guān)的操作。 需求分析的 任務(wù)是通過詳細調(diào)查現(xiàn)實世界要處理的對象，充分了解工作概況，明確用戶的各種需求，然后在此基礎(chǔ)上確定系統(tǒng)的功能。 需求分析 需求分析簡單地說就是分析用戶的需求。因此 Laplacian 算子在實際應(yīng)用中，一般不直接用于邊緣檢測，在進行微分之前需要對圖像進行預(yù)平滑。缺點是 Laplacian 算子容易丟失邊緣的方向信息，其次Laplacian 算子為二階差分，雙倍增強了噪聲的影響。 拉普拉斯算子是一種不依賴于邊緣方向的二階微分算子，是一個標量且具有旋轉(zhuǎn)不變即各向同性的性質(zhì)。 二 階微分 算子 基于二階導數(shù)的邊緣檢測算法利用了階躍邊緣 對應(yīng)于圖像一階導數(shù)的局部極大值，而一階導數(shù)的局部極大值同時也對應(yīng)著二階導數(shù)的過零點，而尋找過零點位置比起極值來得更容易和更精確，因此可以通過檢測圖像二階導數(shù)的過零點來檢測圖像邊緣。 4)Prewitt 算子 Prewitt 算子是取水平和垂直兩個卷積核對圖像中每個像素點作卷積運算， 其模板為： ?????????? ?????111000111fx ???????????????101101101fy 式 () )]1,1()1,()1,1([ )]1,1()1,()1,1([ ???????? ???????? yxfyxfyxf yxfyxfyxfP x 式 () )]1,1(),1()1,1([ )]1,1(),1()1,1([ ???????? ???????? yxfyxfyxf yxfyxfyxfP y 式 () Prewitt 算子同 Sobel 算子相似，也是一種將方向差分與局部平均相結(jié)合的 算子，但 Prewitt 模板沒有把重心放在接近模板中心的像素點，這點就是它和 Sobel 算子的不同。因此 Sobel 算子對噪聲具有平滑作用，提供較為精確的邊緣方向信息，但是，正是由于局部平均的影響，它同時也會檢測出許多的偽邊緣，且邊緣定位精度不夠高（包括得到雙像素寬的邊緣以及邊緣移位現(xiàn)象）。當使用大的鄰域時，抗噪聲特性會更好，但這樣做會增加計算量，并且得到的邊緣也較粗。為了簡化計算，也可以將 ),( yxe 近似地看作 偏導數(shù)xf 與 yf 的絕對值之和 ： |),(||),(|),( yxfyxfyxe yx ?? 式 () 處理數(shù)字圖像的離散域時，可用圖像 的一階差分代替圖像函數(shù)的導數(shù) ，二維離散圖像函數(shù)在 x 方向上的一階差分定義為 ： ),(),1( yxfyxff x ??? 式 () y 方向上的一階差分定義為 ： ),()1,( yxfyxff y ??? 式 () 2)Roberts 算子 Roberts 算子又稱為梯度交叉算子，它是由兩個 22 的模板組成，設(shè) (x,y)為當 前像素的位置，該算子是在以 (x, y)為中心 22 鄰域上計算 x 和 y 方向的偏導數(shù)，即： ??? ???? ???? |)1,(),1(| |),()1,1(| yxfyxfR yxfyxfRyx 式 () 其梯度大小為： ||||),( yx RRyxg ?? 式 () 故 Rx 和 Ry 的模板即為： ?????? ??? 10 01fx ????????? 01 10y 式 () 3)Sobel 算子 Sobel 提出一種將方向差分運算與局部平均相結(jié)合的方法，即 Sobel 算子。因此邊緣增強和降低圖像噪聲之間需要取得一種平衡。 由于邊緣檢測算法主要是基于圖像強度的一階和二階導數(shù)，但導數(shù)的計算對噪聲很敏感，因此必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測方法的性能。 (1)階躍型邊緣 (2)屋脊型邊緣 圖 圖像邊緣的類型 圖 中 p 為邊緣像素所處位置，容易看出，邊緣像素所在的位置通常是局部區(qū)域內(nèi)灰度值比較高的地方。 邊緣的分類 圖像邊緣可以大致分為階躍型和屋脊型兩種： 1)對于階躍型邊緣，它處在局部區(qū)域兩側(cè)灰度發(fā)生跳躍的中間帶。圖像邊緣是圖像最基本的特征之一，是 圖像局部亮度變化最顯著的部分，它是灰度不連續(xù)的結(jié)果 。這種濾波器在發(fā)現(xiàn)圖像中的最暗點時非常有用，可以將暗點擴大，很適合去除“鹽”噪聲。這種濾波器在發(fā)現(xiàn)圖像中的最亮點時非常有用，可以將亮點擴大，很適合去除 “椒 ”噪聲。中值濾波器在去噪的過程中引起的模糊較小，對單極或雙極脈沖噪聲 (椒鹽噪聲 )的去除很有效。其思想很簡單，就是認為在平滑處理過程中，一些像素應(yīng)當比另外的像素更重要，所以應(yīng)該給它們更高的權(quán)重，這種根據(jù)參與平均的像素的特點而賦予不同權(quán)值的方法就稱為加權(quán)平均法 ，從而達到平滑的目的。另外簡單線性平均法算法簡單，計算速度快，但它的主要缺點是在降低噪聲2020屆電子信息工程 專業(yè) 畢業(yè)設(shè)計 （ 論文 ） 15 的同時使圖像產(chǎn)生模糊 ，特別在邊緣和圖像細節(jié)處，鄰域越大，模糊越厲害 。簡單線性平均法的處理效果與所用的鄰域半徑有關(guān)。鄰域平均法就還是對含噪聲的原始圖像 ( , )f xy 的每個像素點取一個鄰域 S ，計算 S 中所有像素灰度級的平均值，作為鄰域平均處理后的圖像 ( , )gxy 的像素值。再用模板中的全體像素的平均值代替原來像素值。在圖像顯示時，負脈沖以一個黑點 (胡椒點 )出現(xiàn)在圖像中，正脈沖以一個白點 (鹽點 )出現(xiàn)在圖像中。如果 Pa 或 Pb 均不為零，脈沖噪聲將類似于隨機分布在圖像上的胡椒和鹽粉微粒。 圖 高斯噪聲 概率密度函數(shù)曲線 2)脈沖噪聲 (椒鹽噪聲 ) (雙極 )脈沖噪聲的 PDF 為： 張洪銘：基于 C的數(shù)字圖像處理系統(tǒng)的開發(fā) 14 ????? ???其它0)( bzpazpzp ba 式 () 如果 ba，灰度值 b 在圖像中將顯示 為一個亮點， a 的值將顯示為一個暗點。標準差的平方 2? 稱為 z 的方差。 本軟件加噪模塊涉及到的圖像噪聲的模型有以下 2 種： 1)高斯噪聲 (正態(tài)噪聲 ) 這是一種常用的噪聲模型，典型的例子如電子設(shè)備的噪聲或傳感器 (由于不良照明或高溫度 )的噪聲。 2)除了能提高人視 覺識別信息的準確性，對圖像進行去噪的意義還在于是對圖像作進一步處理的可靠保證。噪聲重的時候，圖像幾乎產(chǎn)生變形，更使得圖像失去了存儲信息的本質(zhì)意義。圖像去除2020屆電子信息工程 專業(yè) 畢業(yè)設(shè)計 （ 論文 ） 13 噪聲的處理從整個圖像分析的流程上來講屬于圖像的預(yù)處理階段 ， 從數(shù)字圖像處理的技術(shù)角度來說屬于圖像恢復的技術(shù)范疇，對圖像進行去噪處的意義主要表現(xiàn)在： 1)由于不同的成像機理，得到的初始圖像中都含有大量不同性質(zhì)的噪聲 。圖像在傳輸過程中主要由于所用的傳輸信 道的干擾受到噪聲污染。圖像傳感器的工作情況受各種因素的影響，如圖像獲取中的環(huán)境條件和傳感元器件自身的質(zhì)量。所以在圖像處理時要兼顧兩者。因此，圖像平滑的直觀效果是圖 像噪音和假輪廓得以去除或衰減，但同時圖像變得比處理前模糊了，模糊的程度要看對高頻成分的衰減程度而定。 圖 一種典型的 偽 彩色的變換函數(shù)示意圖 圖像的平滑 圖像平滑的主要目的就是去除或衰減圖像上的噪音和假輪廓，即衰減高頻分量，增強低頻分量，故圖像平滑也成為低通濾波。適當?shù)剡x擇三個變換函數(shù)，使不同的灰度值映射成不同的三基色組合，然后加以合成即可獲得不同的色彩。 ( , ) [ ( , ) ]( , ) [ ( , ) ]( , ) [ ( , ) ]RGBR x y T f x yG x y T f x yB x y T f x y???????? 式 () 張洪銘：基于 C的數(shù)字圖像處理系統(tǒng)的開發(fā) 12 這樣就完成了灰度到彩色的映射變換。偽彩色處理就是使圖像灰度映射到三維色度空間，用三基色的某種合成色彩來表示某一灰度。若用調(diào)色板方法，對于 242 種顏色，調(diào)色板有 224 行，和直接用（ R、 G、 B） 3 個分量